对话广发证券副总经理辛治运：AI Agent正在重塑证券行业的业务逻辑与价值链｜券业DeepSeek时刻②

21世纪经济报道记者 易妍君 广州报道

伴随大模型、AI Agent 等前沿技术不断推陈出新，人工智能正在成为驱动证券行业高质量发展的核心引擎。

2月中旬以来，陆续有30多家券商“官宣”已完成DeepSeek等大模型的本地化部署。这意味着，券商业务场景与AI技术的融合愈发深入，将有助于券商更好地发挥资本中介职能，并提升服务实体经济效能。

积极部署大模型也是当下“券商智能化转型如火如荼”的一个缩影。头部券商早在2017年前后就开启了AI探索之路，2023年以来，大型券商旗下的智能应用开始规模化落地。

例如，在本地化部署DeepSeek之前，广发证券已落地财富AI员工助理、AI投顾驾驶舱、投行AI文曲星等40多个大模型应用场景，涉及财富管理、投资研究、投资银行、衍生品业务、中后台管理等多个业务领域。

近日，广发证券副总经理、首席信息官辛治运在接受21世纪经济报道记者专访时表示，目前，广发证券围绕算力、数据、算法三大核心要素持续推进创新，已形成“一个AI算力底座、一个企业级语料库、一个模型仓库”。

他谈道，科技创新浪潮中，AI Agent（自主智能体）技术正在重塑证券行业的业务逻辑与价值链。在展业方面，可推进业务流程的模式变革。如在投顾领域，AI Agent可实现投顾个性化，从“标准服务”到“千人千面”的体验升级。

不过，当前券商应用AI大模型也存在痛点。

辛治运分析，在技术层面，应用AI的痛点涉及安全性与可靠性隐患，例如模型可能生成有害内容、思维链漏洞导致意外输出，以及上下文长度限制削弱场景适用性。同时，数据安全与隐私保护的底层治理需求也亟待强化。

此外，他提到，行业缺乏具备AI和金融双重背景的人才，招聘和培养难度大。

对AI技术的探索分三个阶段

21世纪：在本地化部署DeepSeek之前，广发证券是如何利用AI技术的？

辛治运：一直以来，广发证券十分重视人工智能的应用探索与实践。在本地化部署DeepSeek之前，我们已经建设公司级人工智能平台GF-SMART，应用在多个业务领域来提升业务效率和服务质量。

公司智能化建设历程包括三个阶段：第一阶段是2017年至2019年（探索期），主要是探索AI技术在财经业务线的智能化应用场景落地，如易淘金智能投资工具、金钥匙智能客服、科技柜台智能质检等；第二阶段是2020年至2022年（中台建设期），重点建设智能AI中台，如智能推荐、智能文档撰写，完善智能平台能力，落地的典型应用有企微对话智能质检、潜客智能外呼回访、投行文档智能核查等；

第三阶段是2023年至2024年（智能应用规模化期），基于AI技术平台实现智能化应用在多个业务线的规模化落地。同时进行生成式AI大模型底座及应用建设，在本地化部署DeepSeek之前，已落地财富AI员工助理、AI投顾驾驶舱、投行AI文曲星等40多个大模型应用场景。通过这些智能化应用场景，广发证券在财富管理、投资研究、投资银行、衍生品业务、中后台管理等多个业务领域实现了智能化升级，提高了业务处理效率和服务质量，为客户提供了更加个性化、智能化的服务体验，推动了公司的数字化转型。

21世纪：广发证券财富AI员工助理是行业首批深度应用DeepSeek的AIGC系统。所谓深度应用，体现在哪些方面？

辛治运：广发财富AI员工助理"深度应用DeepSeek"体现在以下维度，并通过系统化工程实现了AIGC赋能业务的范式升级：

第一，应用DeepSeek技术优势之深。在模型选型阶段，技术团队对DeepSeek与其他主流模型进行了多维度对比测试：在金融产品数据整合分析、多产品交叉对比等需要复杂计算和推理的场景中，通过深度应用DeepSeek-R1模型的思维链（Chain-of-Thought, CoT）能力，财富AI员工助理回答的质量和准确性较接入前有了显著的提升。同时，CoT决策过程可视化将原本"黑箱"的AI推理转化为可追溯的逻辑链，也为业务人员带来了额外的价值和启发。

第二，应用DeepSeek实现场景规模化之深。在财富AI员工助理中上线了基于DeepSeek的微信小程序——“花式拜年·财运祝福”，通过多模态内容矩阵和DeepSeek定制化文本生成能力，赋能员工一键生成差异化关怀服务。一周内成功生成数万份个性化客情关怀素材，客户服务时效、客户互动转化率均有数倍提升。

此次搭建的从"场景适配-个性定制-营销赋能-效果追踪"的服务闭环，也形成了可复用的场景化客情运营基座体系，推动了公司客服营销AIGC+个性化的转型。

财富AI员工助理同时结合RAG、Agent等技术，整合了超过1000个API及数据字段，覆盖产品超6万个，业务场景涵盖金融产品、投顾资讯产品、管理经营数据分析及业务知识咨询等，打造了一个综合多智能体。通过该智能体的赋能，员工办公效率、客服问答效率、生成研究报告和营销素材的效率相比传统人工模式均提升数十倍以上。

21世纪：DeepSeek对哪些业务场景的赋能效果最好？

辛治运：在广发证券的应用实践中，DeepSeek在核查和问答业务板块展现出了较好的赋能效果。广发证券在对投行AI文曲星核查场景的大模型底座进行DeepSeek切换后，其核查准确率较原有模型提升显著，如对招股书审核、债券募集说明书勾稽关系审核的准确率可提升7%以上。

在问答业务场景中，广发证券在内部员工展业平台上部署了基于DeepSeek的智能问答系统——“智能犇犇”，为客服和投顾人员提供高效支持。数据显示，基于DeepSeek模型的回答在员工帮助率和用户交互体感方面有明显提升，在员工侧，问题有效解答率较次优模型提升18个百分点。 

全力构建智能化基础设施体系

21世纪：金融领域对专业术语和逻辑推理需求强烈，广发证券如何提升大模型在投研、合规等场景的准确率？

辛治运：广发证券针对金融领域专业性强、逻辑严谨的特点，通过提示词工程、检索增强生成（RAG）等技术，构建了覆盖数据治理、算法优化与知识迭代的全链路解决方案。针对投研，一方面采用RAG技术，且持续更新投研语料库与知识图谱，不断优化检索规划，提升全面性与准确性；另一方面借助工具调用机制获取准确结果，降低幻觉，让推理更精准，同时建立反馈闭环，整理异常案例持续优化迭代。在合规方面，依托智能解析技术实现内外文档的结构化处理，采用灵活切分策略，向量化检索提高法规条款匹配的准确性，并构建可溯源的智能问答体系。 

21世纪：广发证券是如何推进算力、数据、算法3大智能化核心要素建设的？

辛治运：广发证券在智能化转型中围绕算力、数据、算法三大核心要素持续推进创新。通过建设GPU算力池实现算力资源池化与弹性调度，并基于本地部署与云端算力集群的混合模式，构建灵活高效的算力底座，为日益增长的应用场景提供算力保障；在数据层面，公司整合内外部多源异构数据打造企业级语料库，通过大模型技术挖掘数据资产价值，为投研、风控等业务提供精准赋能；算法领域则聚焦企业级大模型研发，强化金融场景的语义理解与智能决策能力，同时探索多模态技术融合文本、语音、图像等跨模态信息，优化人机交互体验。

目前，公司已形成“一个AI算力底座、一个企业级语料库、一个模型仓库”的智能化基础设施体系，未来将持续深化三大要素协同，推动金融业务全链条智能化升级。 

21世纪：券商将AI大模型融入各业务板块的过程，面临哪些痛点和难点？

辛治运：在技术层面，券商应用AI大模型的痛点涉及安全性与可靠性隐患，例如模型可能生成有害内容、思维链漏洞导致意外输出，以及上下文长度限制削弱场景适用性。同时，深度推理中的指令偏离、幻觉问题、高算力资源压力、工具调用能力不足、多模态技术短板，叠加数据质量参差不齐的隐患，进一步制约技术落地。此外，数据安全与隐私保护的底层治理需求也亟待强化。

在管理层面，难点在于数据治理体系的完整性与合规性挑战，包括敏感信息泄露风险、隐私防护机制的完善，以及技术创新与金融监管的动态平衡。另一方面则是人才短缺。缺乏具备AI和金融双重背景的人才，招聘和培养难度大。

这些痛点和难点需要券商在技术和管理两个层面上进行综合应对，以确保AI大模型在各业务板块的有效融合和应用。

21世纪：如何看待AI Agent（自主智能体）技术对券商业务流程的颠覆性潜力？

辛治运：AI Agent（自主智能体）技术正在重塑证券行业的业务逻辑与价值链。在展业方面，可推进业务流程的模式变革。如在投顾领域，AI Agent可实现投顾个性化，从“标准服务”到“千人千面”的体验升级，Agent可通过客户画像与动态交互，提供精准的财富管理建议，并进一步整合多模态交互能力，如语音、视频，构建更具温度的“数字投顾伙伴”。

再如投行领域，AI Agent可实现从“信息传递”到“商机发现”转变。AI Agent通过构建同业资源库、并购资源库、产业知识图谱，实现AI同业检索、AI并购撮合、企业挖掘，智能发现具备培育潜力的企业，助力投融资业务发展。在经营方面，可引起管理流程的重构再造。如风控领域，AI Agent可实现风控实时化，从“事后应对”到“主动防控”的质变。AI Agent通过实时舆情监控与语义分析，实现风险识别能力的跃迁。投研领域，AI Agent可实现从“人主导”到“人机协同”的范式突破。AI Agent通过整合非结构化数据处理、动态推理与自动化报告生成能力，显著提升投研效率。

广发证券将持续探索AI Agent与业务场景的创新融合，在合规框架下推动行业向更智能、更普惠的方向演进。